光纤陀螺随机建模与仿真研究

研究光纤陀螺的随机漂移特性对提高光纤陀螺的精度具有重要意义.分析了光纤陀螺的随机误差特性的总方差特征,建立了光纤陀螺的随机模型,给出了各种随机噪声的仿真方法,提出了模拟光纤陀螺随机漂移的方法.在随机仿真中,采用平衡多小波变换的方法来模拟1/f噪声,用白噪声一次离散积分的方法来模拟速率随机游走噪声,用一阶马尔可夫过程来模拟指数相关噪声.进行了随机仿真实验,结果表明,建立的随机模型和采用的仿真方法是合理有效的.     

基于T-S模型的自校正模糊控制器及在串励电机调速中的应用

针对受控对象的非线性和参数不确定及时变特性,提出了一种基于T-S模型的自校正模糊控制器,采用梯度法对该模糊控制器参数进行在线调整和修正,利用李雅普诺夫稳定性理论对该控制器的稳定性进行了分析,得到了保证控制系统稳定的充分条件,并进行了仿真研究。仿真和实验结果表明,将其应用于单相串励电机的速度调节算法中,其输出性能指标优于传统的PID控制器,该自校正模糊控制器对参数不确定或时变及非线性受控对象均具有良好的动态响应特性和鲁棒性。     

卫星姿态跟踪的非线性PI控制器设计

针对刚体卫星的姿态跟踪问题,提出了一种新的非线性PI控制器。它不同于传统的全状态反馈控制方案,无需姿态角速度的测量信号,而是通过引入一个一阶低通滤波器来产生伪角速度信号,进而对其进行反馈。同时,采用积分控制以减少或抑制由于常值干扰力矩引起的常值姿态误差。通过Lyapunov方法分析证明了整个闭环系统是渐近稳定的。最后,仿真结果验证了所提出的输出反馈控制律在实现姿态跟踪和干扰抑制方面的有效性。     

基于FPGA的高速采集系统设计与实现

给出了高速采集系统的实现架构及控制原理,并在分析数据采集系统现状的基础上,针对高速采集系统存在的采集和传输速度、资源利用不合理以及硬件成本偏高等问题,给出了一种共享总线、同步采集、分时读取的方法。实践表明,采用该方法提高了系统的采集和传输速度,实现了对多通道、高分辨率并行A/D同步采集的有效控制,节省了FPGA系统资源,降低了硬件成本。     

工业伺服系统

现今的伺服技术已经发展到了一个新的阶段，从跟踪高速飞行目标发展为高精确度定位控制，从经典的校正设计到采用数字控制和状态空间设计。评述了这种现代工业伺服系统设计上的变化，包括执行机构及其驱动级、对象的典型数学模型、控制规律和扰动补偿问题，给出了设计准则，并通过实例进行了说明。     

二阶插值非线性滤波在卫星姿态确定中的应用

基于多项式插值近似,导出了具有良好实时性能的二阶插值非线性滤波算法,并将该算法应用于星光-陀螺模式下三轴稳定卫星的姿态确定中.这种姿态估计算法的实现非常简单,其运算量与传统的扩展卡尔曼滤波姿态估计算法相当,但滤波性能却与基于二阶泰勒级数近似得到的非线性姿态估计算法一致;而且,在二阶插值非线性姿态估计算法中,避免了由四元数正交约束所造成的协方差阵奇异性问题.     

消除机械抖动激光陀螺闭锁误差的方法

理论分析了机械抖动激光陀螺(MDRLG)闭锁误差产生的原因,给出了闭锁误差与输入角速率、机械抖动频率和机械抖动幅度的关系。针对激光陀螺读出电路整脉冲计数解调的缺陷,提出了用抛物线方程描述激光陀螺输出信号零速率点的相位特征来补偿丢失的小角速率信息,并且利用激光陀螺零速率点相位的正弦值和余弦值以及零速率点相位的二阶导数进行闭锁误差补偿的新方法。仿真实验结果表明,在整周期采样过程中,激光陀螺最大输出误差由原来的6．25％减小到0．622％,有效地减小了闭锁误差,提高了激光陀螺的检测精度。同时该方法也使激光陀螺输出信号具有良好的稳定性和重复性。     

使用遗传算法的自适应Kalman滤波器

基于Magill的Kalman撼波器池结构，设计了使用遗传算法的自适应Kalman滤波器，给出了离线和在线两种实现方案．离线方案以辨识滤波参数为主要目的，进而可以对状态进行较准确的事后估计；在线方案以实时地对状态进行估计为目的．对滤波参数寻优使用具有良好性能的浮点数编码遗传算法，该算法与二进制编码遗传算法相比收敛速度更快、搜索全局最优的能力更强．仿真结果验证了所提出的自适应Kalman滤波器的有效性．     

不确定滞后系统的鲁棒模型预测控制

对于输入受约束的离散不确定滞后系统，提出鲁棒模型预测控制方法，其中不确定性存在于系统的状态矩阵和输入矩阵当中，且满足范数有界条件。用LMI解决滞后系统的不确定性和约束，针对滞后系统给出了新的鲁棒性能指标上界和系统稳定的充分条件，通过求解LMI凸优化得到状态反馈控制律，对提出的方法进行了数字仿真研究，结果表明，基于LMI约束不确定滞后系统的鲁棒模型预测控制易于求解。适于实际应用。     

一种基于粗糙集的决策规则综合方法

提出了一种基于粗糙集的决策规则综合的新方法——归类优选方法。该方法避开了求取最小规则集的NP-hard问题。同时，通过定义一个规则命中函数，以及根据条件属性的重要性，对决策规则进行归类优选，较好地解决了新数据事例的规则匹配问题和训练数据集中的噪声抑制问题。算例表明该方法是有效的。